Regresi linear waktu split rata-rata
Kita akan mengasumsikan bahwa para perenang melambat secara linear sepanjang nomor 800 m. Perlambatan per split adalah kemiringan dari plot waktu split rata-rata terhadap nomor split. Lakukan regresi linear untuk mengestimasi perlambatan per split dan hitung selang kepercayaan pairs bootstrap 95% untuk perlambatan tersebut. Tampilkan juga plot garis terbaiknya.
Catatan: Kita dapat menghitung batang galat untuk waktu split rata-rata dan menggunakannya dalam analisis regresi, tetapi di sini hal itu tidak akan kita pertimbangkan karena berada di luar cakupan kursus ini.
Latihan ini adalah bagian dari kursus
Studi Kasus dalam Pemikiran Statistik
Petunjuk latihan
- Gunakan
np.polyfit()untuk melakukan regresi linear guna memperoleh perlambatan per split. Variabelsplit_numberdanmean_splitssudah tersedia. Simpan kemiringan dan intersep masing-masing ke dalamslowdowndansplit_3. - Gunakan
dcst.draw_bs_pairs_linreg()untuk menghitung 10.000 replikasi pairs bootstrap dari perlambatan per split. Simpan hasilnya dalambs_reps. Replikasi bootstrap untuk intersep tidak relevan untuk analisis ini, sehingga Anda dapat menyimpannya ke variabel buangan_. - Hitung selang kepercayaan 95% untuk perlambatan per split.
- Plotkan nomor split (
split_number) terhadap waktu split rata-rata (mean_splits) sebagai titik, beserta garis terbaiknya.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Perform regression
____, ____ = ____
# Compute pairs bootstrap
bs_reps, _ = ____
# Compute confidence interval
conf_int = ____
# Plot the data with regressions line
_ = ____(____, ____, marker='.', linestyle='none')
_ = ____(____, ____ * ____ + ____, '-')
# Label axes and show plot
_ = plt.xlabel('split number')
_ = plt.ylabel('split time (s)')
plt.show()
# Print the slowdown per split
print("""
mean slowdown: {0:.3f} sec./split
95% conf int of mean slowdown: [{1:.3f}, {2:.3f}] sec./split""".format(
slowdown, *conf_int))